不想复制黏贴？学会这个方法就能批量采集海量新闻数据了
本文转载自http://www.houyicaiji.com/?type=post&pid=3506
本文介绍如何使用后羿采集器的智能模式，免费采集新华网的新闻标题、内容、发布时间等信息。
采集字段：
新闻标题、新闻链接、摘要、发布时间、新闻主图、新闻内容
功能点目录：
采集结果预览：
下面我们来详细介绍一下如何免费采集新华网新闻数据，我们以新华网娱乐资讯为例，具体步骤如下：
步骤一：下载安装后羿采集器，并注册登录
1、打开后羿采集器官网，下载并安装最新版的后羿采集器
2、点击注册登录，注册新账号，登录后羿采集器
【温馨提示】您可以直接使用此款爬虫软件，不需要进行注册，但是匿名账户下的任务在切换到注册用户时会丢失，因此建议您注册后使用。
后羿采集器为神箭手旗下产品，神箭手用户可直接登录。
步骤二：新建采集任务
1、复制新华网娱乐资讯网页地址（需要搜索结果页的网址，而不是首页的网址）
点此了解关于如何正确地输入网址。
2、新建智能模式采集任务
您可以在软件上直接新建采集任务，也可以通过导入规则来创建任务。
点此了解如何导入和导出采集规则。
步骤三：配置采集规则
1、设置提取数据字段
在智能模式下，我们输入网址后软件即可自动识别出页面上的数据并生成采集结果，每一类数据对应一个采集字段，我们可以右击字段进行相关设置，包括修改字段名称、增减字段、处理数据等。
点此了解如何对采集字段进行配置。
在列表页上，我们需要采集新华网新闻的新闻标题、新闻链接、摘要、发布时间及主图等信息，字段设置效果如下：
2、使用深入采集功能提取详情页数据
在列表页上只展示出了新华网新闻的部分内容，如果需要详细的新闻内容的话，我们需要右击新闻链接，然后使用“深入采集”功能，跳转到详情页进行采集。
点此深入了解如何采集列表+详情页类型网页。
在详情页面我们可以看到新闻的内容，我们可以点击“添加字段”添加采集字段，字段设置效果如下：
【温馨提示】在采集整篇的新闻内容时，可以把鼠标移动到新闻内容的后半部分，看到蓝色区域选中全部的时候可以点击选中，就可以抽取出全部的整篇的新闻内容了。
3、手动设置翻页
由于新华网新闻的翻页模式是通过点击“显示更多”的按钮进行加载下一页的，智能模式不能自动识别到分页元素，此时会出现以下提示：
为了采集到所有的新闻数据，我们需要手动设置翻页，我们选择“分页设置—手动设置分页—点选分页按钮”，然后点击页面上的“显示更多”按钮，这样就能采集出所有数据了。
点此了解更多关于翻页的内容。
步骤四：设置并启动采集任务
1、设置采集任务
完成了采集数据添加，我们可以开始启动采集任务了。在启动之前我们需要对采集任务进行一些设置，从而提高采集的稳定性和成功率。
点击“设置”按钮，在弹出的运行设置页面中我们可以进行运行设置和防屏蔽设置，这里我们勾选“跳过继续采集”，设置“2”秒请求等待时间，勾选“不加载网页图片”，防屏蔽设置就按照系统默认设置，然后点击保存。
点此深入了解如何对采集任务进行配置。
2、启动采集任务
点击“保存并启动”按钮，可在弹出的页面中进行一些高级设置，包括定时启动、自动入库和下载图片，本次示例中未使用到这些功能，直接点击“启动”运行爬虫工具。
点此深入了解什么是定时采集。
点此深入了解什么是自动入库。
点此深入了解如何下载图片。
【温馨提示】免费版本可以使用非周期性定时采集功能，下载图片功能是免费的。个人专业版及以上版本可以使用高级定时功能和自动入库功能。
3、运行任务提取数据
任务启动之后便开始自动采集数据，我们从界面上可以直观的看到程序运行过程和采集结果，采集结束之后会有提醒。
步骤五：导出并查看数据
数据采集完成后，我们可以查看和导出数据，后羿采集器支持多种导出方式（手动导出到本地、手动导出到数据库、自动发布到数据库、自动发布到网站）和导出文件的格式（EXCEL、CSV、HTML和TXT），我们选择自己需要方式和文件类型，点击“确认导出”。
点此深入了解如何查看和清空采集数据。
点此深入了解如何导出采集结果。
【温馨提示】：所有手动导出功能都是免费的。个人专业版及以上版本可以使用发布到网站功能。
再为您推荐几个关于新闻采集的教程：
声明：
本教程所采集的网站及内容，仅作为示例教程使用，不涉及商业用途，如果侵犯您的权利，请与我们联系，谢谢！
